基于粒子群投影尋蹤插值模型的土壤質(zhì)量評(píng)價(jià)

, ,

(新疆大學(xué) 信息科學(xué)與工程學(xué)院， 新疆 烏魯木齊 830046)

1 材料與方法

1.1 評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)的建立方法

土壤質(zhì)量評(píng)價(jià)的框架體系要確保全面性。影響土壤質(zhì)量的因素很多，選取的指標(biāo)應(yīng)能正確反映土壤基本功能，又能避免使指標(biāo)體系過(guò)于復(fù)雜化[2]。土壤質(zhì)量評(píng)價(jià)體系目前沒(méi)有明確標(biāo)準(zhǔn)，根據(jù)全國(guó)第2次土壤普查質(zhì)量評(píng)價(jià)指標(biāo)體系，本文中選取8個(gè)代表性的分析性定量指標(biāo)，即有機(jī)質(zhì)、全氮、全磷、全鉀、速效氮、速效磷、速效鉀、pH。各個(gè)因素的指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)如表1所示。

1.2 建立模型

針對(duì)非線性、 非正態(tài)高維觀測(cè)數(shù)據(jù)(生物學(xué)指標(biāo)、 化學(xué)指標(biāo)等)難以計(jì)算處理的情況，采用投影尋蹤(projection pursuit)方法將數(shù)據(jù)投影到低維子空間對(duì)投影值進(jìn)行統(tǒng)計(jì)分析，獲得高維數(shù)據(jù)的結(jié)構(gòu)特征[7-8]。在土壤數(shù)據(jù)的分析過(guò)程中，確定最佳投影方向是解決評(píng)價(jià)問(wèn)題的關(guān)鍵點(diǎn)，傳統(tǒng)的優(yōu)化方法對(duì)于計(jì)算特定目標(biāo)函數(shù)具有一定的優(yōu)勢(shì)，本文中構(gòu)建的投影尋蹤插值模型基于粒子群算法[9]，可以有效地克服傳統(tǒng)方法的局限性，具體步驟如下。

表1 土壤質(zhì)量等級(jí)評(píng)價(jià)標(biāo)準(zhǔn)

1.2.1 建立樣本集

設(shè)由評(píng)價(jià)標(biāo)準(zhǔn)表產(chǎn)生的樣本經(jīng)驗(yàn)等級(jí)為y(i)，樣本指標(biāo)表示為{x*(i,j)|i=1, 2, …,n;j=1, 2, …,p}，其中n為樣本個(gè)數(shù)，p為指標(biāo)個(gè)數(shù)，1～N表示等級(jí)由低到高。先對(duì)各指標(biāo)值無(wú)量綱化處理，統(tǒng)一變化范圍，加快訓(xùn)練的收斂性，然后進(jìn)行歸一化處理。

對(duì)于正向指標(biāo)，

(1)

對(duì)于逆向指標(biāo)，

(2)

式中：xmax(j)、xmin(j)表示第j個(gè)指標(biāo)值的2個(gè)極值；x(i,j)為指標(biāo)特征值歸一化的序列[10]。

式(1)、(2)應(yīng)用于正向指標(biāo)(權(quán)重大于0)和逆向指標(biāo)(權(quán)重小于0)的歸一化處理，但對(duì)于不能明確判定指標(biāo)特征的，則采用式(1)進(jìn)行歸一化處理。

1.2.2 投影值的計(jì)算

設(shè)a=(a1,a2, …,ap)為投影方向， 將數(shù)據(jù)x(i,j)投影到a上，得到投影值z(mì)(i)，

(3)

由式(3)可見(jiàn)，選定最優(yōu)投影方向后，z(i)的值越大，數(shù)據(jù){x(i,j)}中的信息提取得越多。

1.2.3 構(gòu)造投影指標(biāo)函數(shù)Q(a)

構(gòu)造投影指標(biāo)函數(shù)

Q(a)=Sz|Rzy|，

(4)

式中：Sz為投影值z(mì)(i)的標(biāo)準(zhǔn)差；Rzy為z(i)與y(i)的相關(guān)系數(shù)。

(5)

(6)

式中E(z)、E(y)分別為序列{z(i)}和{y(i)}的均值。

式(5)中Sz越大，獲得{x(i,j)}的變異信息越多；式(6)中|Rzy|越大，投影值就可以反映預(yù)測(cè)因子系統(tǒng)更多的變異信息，對(duì)預(yù)測(cè)對(duì)象y(i)的解釋性越好。

數(shù)據(jù)結(jié)構(gòu)的不同特征可以通過(guò)不同的投影方向反映，能夠表現(xiàn)出高維數(shù)據(jù)某類特征結(jié)構(gòu)的就是最佳投影方向，最佳投影方向預(yù)測(cè)就是投影指標(biāo)函數(shù)的最大化問(wèn)題[11]，即

maxQ(a)=Sz|Rzy|，

(7)

(8)

a=(a1,a2,…,ap)為優(yōu)化變量的非線性優(yōu)化問(wèn)題，本文中采用罰函數(shù)法[12]生成新的目標(biāo)函數(shù)，將有約束優(yōu)化問(wèn)題轉(zhuǎn)化為無(wú)約束優(yōu)化問(wèn)題，即

(9)

式中h為懲罰因子。

1.2.4 投影指標(biāo)函數(shù)優(yōu)化算法

粒子群算法通過(guò)不斷迭代計(jì)算，將每個(gè)粒子與其個(gè)體歷史最優(yōu)位置和在粒子群中的全局最優(yōu)位置比較，從而不斷調(diào)整自身位置來(lái)接近最優(yōu)位置，所有粒子的最終聚集位置就是優(yōu)化問(wèn)題的解。

投影尋蹤模型中的投影方向即為粒子群算法要優(yōu)化的問(wèn)題[13]。設(shè)粒子的種群規(guī)模為N，第k(k=1,2,…,N)個(gè)粒子的速度和位置更新公式為

vk(t+1)=wvk(t)+c1r[qk(t)-ak(t)]+

c2r[g(t)-ak(t)]，

(10)

ak(t+1)=ak(t)+vk(t+1)，

(11)

式中：w為慣性權(quán)重因子；c1、c2為常數(shù)，稱為學(xué)習(xí)因子；r是介于[0,1]隨機(jī)數(shù)；q是歷史最優(yōu)位置;g是全局最優(yōu)位置，迭代次數(shù)達(dá)到預(yù)定值，就可通過(guò)粒子聚集的位置獲得最佳投影方向a*。

1.2.5 投影尋蹤插值模型

將計(jì)算出的最佳投影方向a*代入式(3)獲得投影值z(mì)*(i)，根據(jù)z*(i)-y(i)的散點(diǎn)圖建立土壤等級(jí)評(píng)價(jià)模型y*=f(z)，代入歸一化處理后的評(píng)價(jià)樣本得出各評(píng)價(jià)樣本的所屬等級(jí)。

2 結(jié)果與分析

選取全國(guó)第2次土壤普查中的黑龍江省、長(zhǎng)白山、內(nèi)蒙古自治區(qū)及新疆維吾爾自治區(qū)阜康市共4個(gè)地區(qū)剖面取樣的4組實(shí)測(cè)數(shù)據(jù)作為待評(píng)價(jià)的樣本，見(jiàn)表2。

表2 待評(píng)測(cè)樣本數(shù)據(jù)表

按照表1所示的6個(gè)土壤質(zhì)量評(píng)價(jià)等級(jí)范圍，從全國(guó)第2次土壤普查數(shù)據(jù)中每個(gè)等級(jí)均勻隨機(jī)產(chǎn)生100個(gè)指標(biāo)， 形成600個(gè)樣本數(shù)據(jù)x*(i,j), 并對(duì)x*(i,j)進(jìn)行歸一化處理為x(i,j)，i=1, 2,…,600，y=1,2,…,8。參數(shù)設(shè)置為：N=100，c1=c2=2，h=200。 MATLAB程序計(jì)算出最大投影指標(biāo)值為0.729 7， 最佳投影方向a*=(0.230 9， 0.211 3， 0.312 1， 0.278 0， 0.431 3， 0.500 2， 0.446 3， 0.305 8)，具體結(jié)果見(jiàn)圖1。

最佳投影方向各分量絕對(duì)值越大，對(duì)質(zhì)量評(píng)價(jià)影響就越大，該數(shù)據(jù)還可以作為檢驗(yàn)土壤質(zhì)量分級(jí)標(biāo)準(zhǔn)合理性的依據(jù)。將a*代入式(3)可以計(jì)算出最佳投影值，最佳投影值與對(duì)應(yīng)等級(jí)如圖2所示。

圖1 最佳投影方向a*

圖2 z*(i)與y(i)的散點(diǎn)關(guān)系圖

表3 土壤質(zhì)量等級(jí)評(píng)價(jià)結(jié)果

3 結(jié)論

本文中依據(jù)全國(guó)第2次土壤普查質(zhì)量評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)構(gòu)建評(píng)價(jià)指標(biāo)樣本，把樣本數(shù)據(jù)應(yīng)用于粒子群投影尋蹤插值模型中，獲得多維土壤質(zhì)量評(píng)價(jià)指標(biāo)的最佳投影值， 根據(jù)最佳投影值與質(zhì)量等級(jí)的對(duì)應(yīng)關(guān)系建立插值模型以實(shí)現(xiàn)對(duì)土壤質(zhì)量等級(jí)的綜合評(píng)價(jià)。模型建立和評(píng)價(jià)的方法切實(shí)可行，評(píng)價(jià)結(jié)果科學(xué)合理，避免了人為干擾，為土壤質(zhì)量評(píng)價(jià)等方面的研究提供了一個(gè)新思路。

參考文獻(xiàn):

[1] 路鵬, 蘇以榮, 牛錚, 等. 土壤質(zhì)量評(píng)價(jià)指標(biāo)及其時(shí)空變異[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2007, 15(4):190-194.

[2] 黃勇, 楊忠芳. 土壤質(zhì)量評(píng)價(jià)國(guó)外研究進(jìn)展[J]. 地質(zhì)通報(bào), 2009, 28(1): 130-136.

[3] 吳玉紅, 李云，郝興順，等. 土壤質(zhì)量評(píng)價(jià)國(guó)內(nèi)外研究進(jìn)展[J]. 安徽農(nóng)學(xué)通報(bào), 2012, 18(16):24-25.

[4] 黃鑫,李洪良,邱林. 土壤質(zhì)量等級(jí)模糊模式識(shí)別綜合評(píng)價(jià)研究[J]. 人民黃河，2012，34(3):68-70.

[5] 劉占鋒, 傅伯杰, 劉國(guó)華, 等. 土壤質(zhì)量與土壤質(zhì)量指標(biāo)及其評(píng)價(jià)[J]. 生態(tài)學(xué)報(bào), 2013, 26(3): 901-913.

[6] 張?chǎng)? 余樹(shù)全, 李清林, 等. 洞頭列島土地利用對(duì)土壤及沉積物重金屬污染的影響及其生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)[J]. 生態(tài)科學(xué), 2016, 35(5):126-135.

[7] ZHANG H L, WANG C, FAN W H. A projection pursuit dynamic cluster model based on a memetic algorithm[J]. Tsinghua Science and Technology, 2015, 20(6): 661-671.

[8] 韓銳, 董增川, 施露, 等. 投影尋蹤法在灤河流域生態(tài)系統(tǒng)健康評(píng)價(jià)中的應(yīng)用[J]. 水力發(fā)電，2016，42(9):5-8.

[9] LIU Y L, LIU D F, LIU Y F, et al. Rural land use spatial allocation in the semiarid loess hilly area in China: using a particle swarm optimization model equipped with multi-objective optimization techniques[J]. Science China Earth Sciences, 2012, 55(7): 1166-1177.

[10] 陳默. 基于投影尋蹤等級(jí)評(píng)價(jià)模型的大伙房水庫(kù)水質(zhì)評(píng)價(jià)[J]. 甘肅水利水電技術(shù), 2016, 52(12):1-3.

[11] 李芳鳳, 張國(guó)權(quán). 粒子群投影尋蹤模型在土壤重金屬監(jiān)測(cè)中的應(yīng)用[J]. 廣東農(nóng)業(yè)科學(xué), 2012, 39(8):68-70.

[12] 李志剛, 吳文傳, 張伯明, 等. 一種基于高斯罰函數(shù)的大規(guī)模無(wú)功優(yōu)化離散變量處理方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2013, 33(4): 68-76

[13] 趙小勇, 付強(qiáng), 邢貞相. 投影尋蹤等級(jí)評(píng)價(jià)模型在土壤質(zhì)量變化綜合評(píng)價(jià)中的應(yīng)用[J]. 土壤學(xué)報(bào)，2007，44(1)：164-168.